FlashProve è il prototipo di ricerca open source di Anthropic per l’inferenza dimostrabile. Consente a un fornitore di modelli di generare una prova crittografica che una risposta proviene da uno specifico insieme di pesi fissato tramite un impegno, senza rivelare quei pesi. Pubblicato nel novembre 2026 e dimostrato su Llama 4 Maverick di Meta, non può ancora essere attivato per il traffico dell’API Claude o per i router di terze parti.
Un router API può sostituire il tuo modello di nascosto?
Sì. Un servizio di instradamento di terze parti o un rivenditore può sostituirlo dietro le quinte con un modello più economico o più piccolo, e non puoi individuare lo scambio in modo affidabile limitandoti a leggere le risposte.
Consultando un confronto dei prezzi ufficiali delle API IA, l’attrattiva dei router API scontati e degli endpoint proxy rivenduti è evidente. I modelli di frontiera sono costosi ad alti volumi e un intermediario che promette lo stesso ID modello a un forte sconto è allettante per qualsiasi sviluppatore o responsabile di team che tenga d’occhio la fattura mensile.
Il punto è che il campo model di una risposta API è solo una stringa restituita dal server. Nel suo articolo di ricerca del 2 novembre 2026, il Frontier Red Team di Anthropic ha esposto chiaramente il problema: oggi chi interroga un modello non può verificare che le risposte provengano dal modello specifico che lo sviluppatore dichiara stia rispondendo, anziché da uno «sostituito segretamente da un servizio di instradamento per ragioni di costo, o persino da un aggressore che ha manipolato il flusso di token». Il rapporto tecnico di Anthropic aggiunge che un fornitore potrebbe usare un modello più piccolo o meno potente, o persino cambiare modello tra una richiesta e l’altra.
Molti sviluppatori presumono che noterebbero un peggioramento affidandosi alle impressioni o provando alcuni prompt a campione. Anthropic avverte esplicitamente che giudicare solo dall’output di un modello non è affidabile, anche quando le risposte sembrano di alta qualità. Modelli più piccoli e varianti quantizzate spesso gestiscono i prompt ordinari abbastanza bene da superare un controllo superficiale, ma falliscono nei casi limite più difficili che si notano solo in produzione.
Che cos’è FlashProve?
FlashProve è un sistema crittografico esclusivamente software che usa un argomento di conoscenza succinto a conoscenza zero (zkSNARK) per dimostrare che uno specifico modello fissato tramite impegno ha prodotto una determinata sequenza di token di output.
Invece di affidarsi a enclave hardware attendibili, che secondo Anthropic sono complementari alla crittografia, FlashProve si basa sulla matematica. Il processo coinvolge due parti, il fornitore del modello (il dimostratore) e l’utente (il verificatore), e si svolge in tre fasi:
- Commit (offline): Prima di servire le richieste, il fornitore calcola e pubblica un impegno crittografico relativo ai pesi del modello. Puoi considerarlo una breve impronta non falsificabile che fissa un insieme esatto di pesi mantenendo segreti i pesi stessi.
- Prove (online, a posteriori): Dopo aver generato i token di output per un prompt, il fornitore esegue il dimostratore per generare un file di prova che mostra come la valutazione del modello fissato su quel prompt produca esattamente quei token. Le prove vengono generate in batch dopo il fatto, anziché in linea mentre i token sono trasmessi all’utente.
- Verify: Chiunque possieda l’impegno, il prompt e la risposta può eseguire un programma di verifica leggero su una normale CPU per controllare la prova in pochi secondi, senza mai vedere i pesi del modello.
Per gli sviluppatori che non sono crittografi, uno zkSNARK offre quattro garanzie pratiche che Anthropic evidenzia nella pubblicazione:
- Completezza: Se il fornitore ha effettivamente eseguito il modello fissato come dichiarato, una prova onesta supererà la verifica.
- Solidità: Un fornitore non può falsificare una prova accettata per un modello diverso senza violare ipotesi crittografiche ampiamente ritenute valide.
- Conoscenza zero: Il verificatore non apprende nulla sui pesi segreti, sulle attivazioni intermedie o persino su quali esperti specifici siano stati eseguiti in un modello mixture-of-experts. L’architettura complessiva del modello, tuttavia, non è nascosta.
- Sinteticità: La prova è abbastanza piccola da essere scaricata facilmente e rapida da controllare rispetto a rieseguire personalmente un modello enorme.
Anthropic ha pubblicato cinque elementi su GitHub con licenza Apache 2.0 (anthropics/FlashProve, versione 0.16.0): l’articolo di ricerca, il rapporto tecnico, una specifica del protocollo scritta da Claude, la base di codice (con un dimostratore CUDA, un verificatore C++ veloce chiamato cp_verify e un verificatore Lean la cui correttezza è dimostrata) e prove formali Lean abbinate a un visualizzatore interattivo. Anthropic osserva che Claude ha prodotto i miglioramenti zkSNARK sottostanti e che il team ha usato enunciati formali nell’assistente di dimostrazione Lean per rendere verificabili le complesse decisioni progettuali di Claude.
Quanto è veloce FlashProve e quanto sono grandi le prove?
Al 4 novembre 2026, Anthropic riferisce che FlashProve può generare prove per un modello mixture-of-experts da 400 miliardi di parametri a circa 110 token al secondo su una singola GPU NVIDIA H100, producendo prove inferiori a 19 MB verificabili in 17 secondi su una CPU.
Anthropic ha testato FlashProve su Llama 4 Maverick di Meta, un esempio importante tra i modelli a pesi aperti, che usa 400B parametri totali con circa 17B parametri attivi per token (circa 232 GB di pesi pubblici quantizzati a 4 bit). Ecco i numeri esatti comunicati da Anthropic il 2 novembre 2026:
| Metrica | Risultato di Anthropic FlashProve (Llama 4 Maverick) |
|---|---|
| Modello testato | Meta Llama 4 Maverick (400B totali, ~17B attivi/token, pesi a 4 bit, ~232 GB) |
| Hardware del dimostratore | 1× GPU NVIDIA H100 + 24 core CPU |
| Tempo di impegno offline | ~39 minuti una volta per modello (valido per ~16 milioni di richieste prima di un nuovo impegno) |
| Velocità di dimostrazione | ~223 secondi per un batch di 24 richieste (~110 token/secondo) |
| Dimensione della prova | 18,78 MB per richiesta (~19 MB per una richiesta di 1.024 token) |
| Download dell’impegno da parte del client | ~6,5 MB totali |
| Tempo di verifica (solo CPU) | 17 secondi su 24 thread CPU (21 secondi su un singolo thread) |
| Sovraccarico di calcolo rispetto a vLLM | ~72× il tempo per GPU (66–77× tra le esecuzioni); ~94× al massimo carico vLLM testato (intervallo ~70–95×) |
| Limite della lunghezza del contesto | Fino a 1.024 token |
Per contestualizzare i numeri, Anthropic ha confrontato FlashProve con la precedente tecnologia open source (VerInf) sullo stesso modello Llama 4 Maverick. Secondo Anthropic, VerInf funzionava a circa 0,02 token al secondo: impiegava 14,3 ore per dimostrare 1.000 token, generava una prova da 93,6 GB e richiedeva quasi un giorno intero per verificarla. Ridurre una prova da 93,6 GB a 18,78 MB porta la verifica crittografica dell’inferenza dalla matematica teorica a qualcosa che un computer client può effettivamente scaricare e controllare.
Un sovraccarico di calcolo da 70× a 95× rispetto al servizio standard con vLLM spiega comunque perché le prove vengano prodotte a posteriori in batch anziché allegate gratuitamente a ogni risposta di chat in tempo reale.
Cosa non dimostra FlashProve
FlashProve è un prototipo di ricerca non mantenuto con rigorosi vincoli tecnici: superare una verifica non garantisce quindi equivalenza in virgola mobile, copertura dell’intera conversazione o sicurezza per la produzione sottoposta ad audit.
Nelle guide known-limits.md e what-is-proved.md di Anthropic nel repository, il team descrive con apprezzabile franchezza i limiti esistenti al 4 novembre 2026:
- Solo modello intero e decodifica greedy: La prova si applica a una versione quantizzata del modello con numeri interi a virgola fissa che esegue la decodifica greedy (scegliendo sempre il singolo token con il punteggio più alto). Le API reali usano di solito aritmetica in virgola mobile e campionamento casuale con temperatura. Anthropic riferisce che in una misurazione il token migliore differiva nel 6,81% delle posizioni tra il modello intero e un’implementazione in virgola mobile.
- Politica di accettazione «clipped-gap» più permissiva: Poiché i sistemi di erogazione possono differire leggermente dal riferimento intero, il verificatore supporta una politica più permissiva che restituisce
WITHIN LIMITS. Anthropic avverte che un’accettazione con questa politica non dimostra di per sé che la risposta provenga dal modello; se non puoi valutare indipendentemente quei limiti di tolleranza, dovresti accettare solo una corrispondenza esatta. - Limite di contesto breve: Attualmente le prove supportano contesti fino a 1.024 token, che Anthropic definisce «piuttosto brevi» rispetto alle normali sessioni di programmazione o chat.
- Solo architetture MoE: L’implementazione attuale supporta solo architetture mixture-of-experts e non nasconde l’architettura del modello né protegge da canali laterali come gli attacchi temporali.
- Ambito a livello di token senza metadati: Una prova valida copre solo gli specifici token controllati e non incorpora né l’identità del client né una marca temporale.
- Nessun audit di sicurezza indipendente: Sebbene la solidità del verificatore di riferimento scritto in Lean sia dimostrata formalmente, il verificatore C++ veloce (
cp_verify), il dimostratore CUDA e il componente che crea l’impegno non hanno garanzie formali:cp_verifyviene soltanto testato rispetto al verificatore Lean. Inoltre Anthropic dichiara che programmi e prove non hanno subito audit di sicurezza indipendenti e che il repository è pubblicato come artefatto di ricerca, non mantenuto e chiuso ai contributi.
Perché l’ID dell’impegno conta più della prova
Una prova FlashProve valida conferma soltanto che una risposta proviene da quali che siano i pesi corrispondenti all’ID dell’impegno. Un router disonesto potrebbe quindi impegnarsi su un modello economico e fornirti una prova matematicamente valida per il modello sbagliato.
Questa è la conclusione più importante per chiunque sia preoccupato dai router API di terze parti. Nella guida «Known limits» del repository, sotto il titolo The provider chooses the model, Anthropic scrive: «Un sì non dice di chi siano i pesi… Un fornitore può impegnarsi su qualsiasi modello desideri, compreso uno piccolo o degenere».
Immagina di pagare un router API poco affidabile per accedere a un modello di frontiera da 400B. Per risparmiare, il router esegue segretamente un modello economico da 8B. Se genera il proprio impegno FlashProve per quel modello da 8B, elabora il tuo prompt con il modello da 8B e ti invia la risposta insieme alla prova e al suo file di impegno, il verificatore C++ sul tuo portatile segnalerà un esito positivo. La matematica è del tutto valida: il modello da 8B ha davvero prodotto quei token.
Per questo Anthropic fornisce una rigorosa regola operativa: «Ottieni l’ID dell’impegno da una parte di cui ti fidi, mai dal server che controlli o da file inviati con una prova».
Affinché l’inferenza dimostrabile individui un router disonesto, il creatore originale del modello (come Anthropic o Meta) o un revisore indipendente di fiducia deve pubblicare l’ID ufficiale dell’impegno per i pesi reali. Solo verificando la prova del router rispetto all’ID ufficiale dell’impegno del proprietario la crittografia individua la sostituzione del modello.
Cosa significa per router, rivenditori e valutatori
Se i creatori di modelli pubblicheranno in futuro ID ufficiali degli impegni e supporteranno l’inferenza dimostrabile, i router di terze parti e i fornitori di hosting cloud potranno dimostrare di aver servito esattamente i pesi per cui hai pagato senza esporre i file proprietari del modello.
Negli annunci del 2 e del 3 novembre 2026, Anthropic ha descritto diversi gruppi che potrebbero trarne vantaggio man mano che la tecnologia matura:
- Clienti dei router API: I team che instradano il traffico tramite fornitori di inferenza di terze parti potrebbero verificare a posteriori un campione delle proprie richieste rispetto all’ID dell’impegno pubblicato dal creatore del modello; una riduzione silenziosa della qualità non supererebbe il controllo.
- Valutatori indipendenti della sicurezza: I valutatori prima e dopo il rilascio possono verificare che il modello di cui testano la sicurezza sia esattamente lo stesso poi fornito ai clienti.
- Team di sicurezza che sorvegliano flussi manipolati: Poiché la prova lega il prompt e i token di output ai pesi fissati, Anthropic osserva che rende più difficile per gli aggressori su server compromessi dirottare una chat o modificare il flusso di token durante il transito. È una preoccupazione connessa a minacce a livello applicativo come la prompt injection.
- Autorità di regolamentazione e controlli di provenienza: Anthropic cita anche il «pacing» hardware (verificare che la capacità di calcolo sia usata per l’inferenza anziché per addestramento non autorizzato), la provenienza del testo (dimostrare che un modello specifico ha scritto o revisionato un documento) e l’applicazione delle regole di approvazione dei modelli.
E il traffico Claude della stessa Anthropic? Nell’articolo del 2 novembre 2026, Anthropic ha osservato che la sua Frontier Safety Roadmap includeva l’obiettivo di sviluppare un prototipo di inferenza dimostrabile entro il 30 settembre 2026, chiamata da Anthropic «verifica dell’inferenza» dopo un aggiornamento del 19 ottobre 2026. Anthropic afferma di aver rispettato la scadenza di settembre tramite un progetto correlato ma separato, che firma crittograficamente il traffico di inferenza e ricalcola l’inferenza su un server attendibile. FlashProve persegue lo stesso obiettivo di verifica mediante crittografia a conoscenza zero anziché mediante un ricalcolo attendibile.
Cosa farei oggi acquistando accesso a un modello tramite terzi
Poiché al 4 novembre 2026 nessuna API commerciale o router allega prove FlashProve al traffico in tempo reale, l’unica difesa affidabile oggi contro la sostituzione del modello è acquistare direttamente dai fornitori originali o da partner verificati di cui ti fidi contrattualmente.
Se sei uno sviluppatore o un responsabile tecnico che sta valutando un proxy scontato o un router di terze parti, ecco come procederei:
- Considera la stringa
modelnella risposta di un terzo un’affermazione non verificata. Non presumere che un rivenditore stia fornendo il modello di frontiera solo perché lo dice il contenuto JSON. - Non affidarti a controlli a campione dei prompt per scoprire una sostituzione. Prendi sul serio l’avvertimento di Anthropic: i soli controlli sulla qualità dell’output non distinguono in modo affidabile un modello di frontiera da un sostituto più economico nei prompt quotidiani.
- Mantieni i carichi di lavoro critici sulle API dei fornitori originali o sui principali servizi cloud. Se accuratezza, sicurezza o conformità del tuo prodotto dipendono da uno specifico modello di frontiera, paga il prezzo ufficiale di listino o usa un partner cloud ufficiale con accordi vincolanti sui livelli di servizio.
- Impara a verificare se le prove saranno introdotte in futuro. Se il tuo fornitore di inferenza adotterà FlashProve o uno schema zkSNARK simile, non usare mai il file di impegno allegato alla sua risposta. Recupera l’ID direttamente dal creatore del modello, compila tu stesso il verificatore, controlla quali token sono coperti e richiedi l’accettazione solo per corrispondenza esatta, a meno che tu non possa valutare autonomamente i limiti di tolleranza numerica.
Domande frequenti
FlashProve può verificare oggi le risposte dell’API Claude?
No. Al 4 novembre 2026, FlashProve è un prototipo di ricerca open source dimostrato sul modello a pesi aperti Llama 4 Maverick di Meta. Né l’API Claude, né OpenAI, né i router API commerciali allegano oggi prove FlashProve alle risposte. Anthropic ha precisato separatamente di aver raggiunto il proprio obiettivo interno della roadmap del 30 settembre 2026 per la verifica dell’inferenza tramite un altro progetto che firma il traffico e ricalcola l’inferenza su un server attendibile.
FlashProve rivela i pesi segreti del modello?
No. FlashProve usa una prova a conoscenza zero (zkSNARK), che garantisce che il verificatore non apprenda nulla sui pesi segreti del modello, sui valori degli strati intermedi o sugli specifici esperti attivati durante l’inferenza. L’architettura generale del modello non è nascosta e i canali laterali temporali sono fuori dall’ambito, ma i pesi proprietari restano completamente privati pur consentendo a chiunque di verificare il calcolo su una CPU.
Posso eseguire personalmente il verificatore FlashProve?
Sì. Anthropic ha pubblicato il codice su GitHub con licenza Apache 2.0 (anthropics/FlashProve). Puoi compilare il verificatore C++ veloce (cp_verify) su Linux e controllare le prove su una normale CPU senza bisogno di una GPU o dei pesi del modello. Il repository include un esempio salvato con un piccolo modello sintetico, così gli sviluppatori possono testare localmente il processo Commit → Prove → Verify.
L’inferenza dimostrabile è uguale a una firma digitale?
No. Una firma digitale standard dimostra solo chi ha inviato un messaggio, perciò devi fidarti che il mittente abbia eseguito onestamente il modello giusto. L’inferenza dimostrabile con FlashProve dimostra quali pesi fissati hanno calcolato i token di output. Anche in questo caso devi ottenere l’ID dell’impegno da una parte fidata, perché altrimenti un server disonesto potrebbe impegnarsi su un modello economico e generare prove valide per esso.
Dettagli verificati l’ultima volta il 4 novembre 2026. Prossima verifica: 4 dicembre 2026.
Fonti
- Anthropic Research: progressi nell’inferenza dimostrabile per i grandi modelli linguistici (2 nov. 2026)
- Annuncio di Anthropic su X (3 nov. 2026)
- GitHub: repository anthropics/FlashProve (v0.16.0)
- Guida FlashProve: limiti noti
- Guida FlashProve: cosa viene dimostrato
- Rapporto tecnico Anthropic FlashProve (PDF)
- lotook: confronto prezzi delle API IA (prezzi ufficiali di listino)



